python中math函数库矩阵_Python的numpy库中将矩阵转换为列表等函数的方法

这篇文章主要介绍Python的numpy库中的一些函数，做备份，以便查找。

（1）将矩阵转换为列表的函数：numpy.matrix.tolist（）

返回list列表

Examples

>>>

>>> x = np.matrix(np.arange(12).reshape((3,4))); x

matrix([[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]])

>>> x.tolist()

[[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11]]

（2）将数组转换为列表的函数：numpy.ndarray.tolist（）

Notes：（数组能够被重新构造）

The array may be recreated, a=np.array(a.tolist()).

Examples

>>>

>>> a = np.array([1, 2])

>>> a.tolist()

[1, 2]

>>> a = np.array([[1, 2], [3, 4]])

>>> list(a)

[array([1, 2]), array([3, 4])]

>>> a.tolist()

[[1, 2], [3, 4]]

（3）numpy.mean()计算矩阵或数组的均值：

Examples

>>>

>>> a = np.array([[1, 2], [3, 4]]) #对所有元素求均值

>>> np.mean(a)

2.5

>>> np.mean(a, axis=0) #对每一列求均值

array([ 2., 3.])

>>> np.mean(a, axis=1) #对每一行求均值

array([ 1.5, 3.5])

（4）numpy.std()计算矩阵或数组的标准差：

Examples

>>>

>>> a = np.array([[1, 2], [3, 4]]) #对所有元素求标准差

>>> np.std(a)

1.1180339887498949

>>> np.std(a, axis=0) #对每一列求标准差

array([ 1., 1.])

>>> np.std(a, axis=1) #对每一行求标准差

array([ 0.5, 0.5])

（5）numpy.newaxis为数组增加一个维度：

Examples:

>>> a=np.array([[1,2,3],[4,5,6],[7,8,9]]) #先输入3行2列的数组a

>>> b=a[:,:2]

>>> b.shape #当数组的行与列都大于1时，不需增加维度

(3, 2)

>>> c=a[:,2]

>>> c.shape #可以看到，当数组只有一列时，缺少列的维度

(3,)

>>> c

array([3, 6, 9])

>>> d=a[:,2,np.newaxis] #np.newaxis实现增加列的维度

>>> d

array([[3],

[6],

[9]])

>>> d.shape #d的维度成了3行1列（3,1）

(3, 1)

>>> e=a[:,2,None] #None与np.newaxis实现相同的功能

>>> e

array([[3],

[6],

[9]])

>>> e.shape

(3, 1)

（6）numpy.random.shuffle(index): 打乱数据集（数组）的顺序：

Examples:

>>> index = [i for i in range(10)]

>>> index

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

>>> np.random.shuffle(index)

>>> index

[7, 9, 3, 0, 4, 1, 5, 2, 8, 6]

（7）计算二维数组某一行或某一列的最大值最小值：

>>> import numpy as np

>>> a = np.arange(15).reshape(5,3) #构造一个5行3列的二维数组

>>> a

array([[ 0, 1, 2],

[ 3, 4, 5],

[ 6, 7, 8],

[ 9, 10, 11],

[12, 13, 14]])

>>> b = a[:,0].min() ##取第0列的最小值，其他列同理

>>> b

0

>>> c = a[0,:].max() ##取第0行的最大值，其他行同理

>>> c

2